请问这个报错为什么会发生?

Question

在应用CNN进行张量融合时报错:
RuntimeError: mat1 and mat2 shapes cannot be multiplied (10x18240 and 10x18240)
模型代码如下

class MyCNN(nn.Module):
    def __init__(self):
        super(MyCNN, self).__init__()
        self.conv1 = nn.Conv2d(6, 16, kernel_size=3, padding=1)
        self.conv2 = nn.Conv2d(16, 32, kernel_size=3, padding=1)
        self.fc1 = nn.Linear(10,18240)
        self.fc2 = nn.Linear(18240,1)

    def forward(self, xp, xc):
        batch_size = xp.size(0)
        x = torch.cat((xp.unsqueeze(1), xc), dim=1) #(10,6,20,456)
        print(x.shape)
        x = F.relu(self.conv1(x))
        print(x.shape)
        x = F.max_pool2d(x, 2)
        x = F.relu(self.conv2(x))
        x = F.max_pool2d(x, 2)
        x = x.view(batch_size, -1)
        print(x.shape)
        x = F.relu(self.fc1(x))
        x = self.fc2(x)
        return x.squeeze()

为什么会出现这样的问题?要怎么修改?

Answer 1

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 这篇博客: PyTorch深度学习快速入门教程【小土堆】 学习笔记中的 RuntimeError: mat1 and mat2 shapes cannot be multiplied (64x1024 and 10240x64) 原因 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  

  
  原因： 网络参数设置不合适！！

  from torch import nn
  from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential
  import torch
  
  class Lyy(nn.Module):
      def __init__(self):
          super(Lyy, self).__init__()
          self.conv1 = Conv2d(3, 32, 5, padding=2)
          self.maxpool1 = MaxPool2d(2)
          self.conv2 = Conv2d(32, 32, 5, padding=2)
          self.maxpool2 = MaxPool2d(2)
          self.conv3 = Conv2d(32, 64, 5, padding=2)
          self.maxpool3 = MaxPool2d(2)
          self.flatten = Flatten()
          self.linear1 = Linear(1024, 64)
          self.linear2 = Linear(64, 10)
  
      def forward(self, x):
          x = self.conv1(x)
          x = self.maxpool1(x)
          x = self.conv2(x)
          x = self.maxpool2(x)
          x = self.conv3(x)
          x = self.maxpool3(x)
          x = self.flatten(x)
          x = self.linear1(x)
          x = self.linear2(x)
          return x
  
  lyy = Lyy()
  input = torch.ones((64,3,32,32))
  print(input.shape)
  output = lyy(input)
  print(output.shape)
  

  上述代码的，等价替换版本

  from torch import nn
  from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential
  import torch
  
  class Lyy(nn.Module):
      def __init__(self):
          super(Lyy, self).__init__()
          self.model1 = Sequential(
              Conv2d(3, 32, 5, padding=2),
              MaxPool2d(2),
              Conv2d(32, 32, 5, padding=2),
              MaxPool2d(2),
              Conv2d(32, 64, 5, padding=2),
              MaxPool2d(2),
              Flatten(),
              Linear(1024, 64),
              Linear(64, 10)
          )
  
      def forward(self, x):
          x = self.model1(x)
          return x
  
  lyy = Lyy()
  input = torch.ones((64,3,32,32))
  print(input.shape)
  output = lyy(input)
  print(output.shape)
  

• 以下回答来自chatgpt:

  根据报错信息，mat1和mat2的大小分别为10x18240和10x18240，在矩阵相乘时不符合尺寸要求。可能原因是在进行张量融合时，数据维度和模型参数设置不符合。为了解决这个问题，需要对代码进行调整，确保数据和参数的维度匹配。

  具体的操作步骤如下：

  1.首先检查输入数据的维度是否和模型参数的要求一致，比如输入的数据维度是否为4维，卷积层的输入通道数是否和输入数据通道数一致等。

  2.如果前面的检查都没有问题，那么需要检查模型参数的设置是否符合实际应用需要。比如卷积核的大小、通道数、池化层的大小等是否设置得当。

  3.如果数据和参数都没有问题，那么建议将数据和参数的维度打印出来，检查究竟是哪一步出现了维度不匹配的问题。

  4.最后，如果还不能解决问题，建议通过查询文献或者请教更有经验的同行来寻求帮助。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^